重庆邮电大学2023年重庆招生计划
重庆邮电大学2022年重庆招生计划
电子信息类（通信与信息类）（批次：本科批）科类：物理类(物理类) 在重庆招收192人备注：通信工程、电子信息工程、信息工程。(学费5600元/年)...数字媒体技术（批次：本科批）科类：物理类(物理类) 在重庆招收30人备注：(学费5600元/年)...计算机类（计算机与智能科学类）（批次：本科批）科类：物理类(物理类) 在重庆招收285人备注：计算机科学与技术、网络工程、智能科学与技术、空间信息与数字技术、数据科学与大数据技术、人工智能。(学费5600元/年)...自动化类（自动化与电气工程类）（批次：本科批）科类：物理类(物理类) 在重庆招收276人备注：自动化、电气工程及其自动化、智能电网信息工程、物联网工程、测控技术与仪器、机器人工程、工业智能。物联网工程专业大三、大四在渝北区仙桃数据谷就读(学费5600元/年)...机械类（智能制造与机器人类）（批次：本科批）科类：物理类(物理类) 在重庆招收145人备注：智能制造工程、机械设计制造及其自动化、机械电子工程、机器人工程。(学费5600元/年)...电子信息类（集成电路与电子工程类）（批次：本科批）科类：物理类(物理类) 在重庆招收274人备注：光电信息科学与工程、电子科学与技术、电磁场与无线技术、微电子科学与工程、集成电路设计与集成系统。(学费5600元/年)...生物医学工程（批次：本科批）科类：物理类(物理类) 在重庆招收57人备注：(学费5600元/年)...生物信息学（批次：本科批）科类：物理类(物理类) 在重庆招收53人备注：(学费4500元/年)...医学信息工程（批次：本科批）科类：物理类(物理类) 在重庆招收31人备注：(学费5600元/年)...数学类（数学与信息科学类）（批次：本科批）科类：物理类(物理类) 在重庆招收68人备注：数学与应用数学、信息与计算科学、数据计算及应用。(学费4500元/年)...应用物理学（批次：本科批）科类：物理类(物理类) 在重庆招收20人备注：(学费4500元/年)...工商管理类（批次：本科批）科类：物理类(物理类) 在重庆招收54人备注：市场营销、会计学、工商管理。(学费4500元/年)...经济学类（经济金融类）（批次：本科批）科类：物理类(物理类) 在重庆招收55人备注：经济学、金融工程。(学费5600元/年)...工程管理（批次：本科批）科类：物理类(物理类) 在重庆招收29人备注：(学费4500元/年)...信息管理与信息系统（批次：本科批）科类：物理类(物理类) 在重庆招收41人备注：(学费5600元/年)...大数据管理与应用（批次：本科批）科类：物理类(物理类) 在重庆招收25人备注：(学费5600元/年)...电子商务类（批次：本科批）科类：物理类(物理类) 在重庆招收43人备注：电子商务、物流管理。(学费4500元/年)...邮政工程（批次：本科批）科类：物理类(物理类) 在重庆招收35人备注：(学费5600元/年)...外国语言文学类（批次：本科批）科类：历史类(历史类) 在重庆招收13人备注：英语、翻译。(学费4500元/年)...外国语言文学类（批次：本科批）科类：物理类(物理类) 在重庆招收18人备注：英语、翻译。(学费4500元/年)...计算机类（网络安全类）（批次：本科批）科类：物理类(物理类) 在重庆招收124人备注：信息安全、网络空间安全。(学费5600元/年)...信息安全（批次：本科批）科类：物理类(物理类) 在重庆招收22人备注：（信息安全+法学）双学士学位复合型人才培养项目(学费5600元/年)...法学类（批次：本科批）科类：历史类(历史类) 在重庆招收3人备注：法学、知识产权。(学费4500元/年)...法学类（批次：本科批）科类：物理类(物理类) 在重庆招收27人备注：法学、知识产权。(学费4500元/年)...软件工程（批次：本科批）科类：物理类(物理类) 在重庆招收239人备注：三、四年级学费15000元/年(学费9000元/年)...通信工程(中外合作办学)（批次：本科批）科类：物理类(物理类) 在重庆招收35人备注：只招收英语语种考生(学费40000元/年)...电子信息工程(中外合作办学)（批次：本科批）科类：物理类(物理类) 在重庆招收25人备注：只招收英语语种考生,国外学习期间学费需按外方学费标准另缴(学费28000元/年)...软件工程(中外合作办学)（批次：本科批）科类：物理类(物理类) 在重庆招收27人备注：只招收英语语种考生,国外学习期间学费需按外方学费标准另缴(学费30000元/年)...电子信息类（通信与信息类）（批次：本科批(地方专项计划)）科类：物理类(物理类) 在重庆招收22人备注：通信工程、电子信息工程、信息工程。(学费5600元/年)...数字媒体技术（批次：本科批(地方专项计划)）科类：物理类(物理类) 在重庆招收6人备注：(学费5600元/年)...计算机类（计算机与智能科学类）（批次：本科批(地方专项计划)）科类：物理类(物理类) 在重庆招收25人备注：计算机科学与技术、网络工程、智能科学与技术、空间信息与数字技术、数据科学与大数据技术、人工智能。(学费5600元/年)...自动化类（自动化与电气工程类）（批次：本科批(地方专项计划)）科类：物理类(物理类) 在重庆招收25人备注：自动化、电气工程及其自动化、智能电网信息工程、物联网工程、测控技术与仪器、机器人工程、工业智能。物联网工程专业大三、大四在渝北区仙桃数据谷就读(学费5600元/年)...机械类（智能制造与机器人类）（批次：本科批(地方专项计划)）科类：物理类(物理类) 在重庆招收25人备注：智能制造工程、机械设计制造及其自动化、机械电子工程、机器人工程。(学费5600元/年)...电子信息类（集成电路与电子工程类）（批次：本科批(地方专项计划)）科类：物理类(物理类) 在重庆招收29人备注：光电信息科学与工程、电子科学与技术、电磁场与无线技术、微电子科学与工程、集成电路设计与集成系统。(学费5600元/年)...工商管理类（批次：本科批(地方专项计划)）科类：物理类(物理类) 在重庆招收12人备注：市场营销、会计学、工商管理。(学费4500元/年)...电子信息类（通信与信息类）（批次：本科提前批B段(国家专项计划)）科类：物理类(物理类) 在重庆招收25人备注：通信工程、电子信息工程、信息工程。(学费5600元/年)...计算机类（计算机与智能科学类）（批次：本科提前批B段(国家专项计划)）科类：物理类(物理类) 在重庆招收25人备注：计算机科学与技术、网络工程、智能科学与技术、空间信息与数字技术、数据科学与大数据技术、人工智能。(学费5600元/年)...自动化类（自动化与电气工程类）（批次：本科提前批B段(国家专项计划)）科类：物理类(物理类) 在重庆招收25人备注：自动化、电气工程及其自动化、智能电网信息工程、物联网工程、测控技术与仪器、机器人工程、工业智能。物联网工程专业大三、大四在渝北区仙桃数据谷就读(学费5600元/年)...机械类（智能制造与机器人类）（批次：本科提前批B段(国家专项计划)）科类：物理类(物理类) 在重庆招收18人备注：智能制造工程、机械设计制造及其自动化、机械电子工程、机器人工程。(学费5600元/年)...电子信息类（集成电路与电子工程类）（批次：本科提前批B段(国家专项计划)）科类：物理类(物理类) 在重庆招收32人备注：光电信息科学与工程、电子科学与技术、电磁场与无线技术、微电子科学与工程、集成电路设计与集成系统。(学费5600元/年)...数学类（数学与信息科学类）（批次：本科提前批B段(国家专项计划)）科类：物理类(物理类) 在重庆招收10人备注：数学与应用数学、信息与计算科学、数据计算及应用。(学费4500元/年)...工商管理类（批次：本科提前批B段(国家专项计划)）科类：物理类(物理类) 在重庆招收15人备注：市场营销、会计学、工商管理。(学费4500元/年)...信息管理与信息系统（批次：本科提前批B段(国家专项计划)）科类：物理类(物理类) 在重庆招收5人备注：(学费5600元/年)...外国语言文学类（批次：本科提前批B段(国家专项计划)）科类：历史类(历史类) 在重庆招收3人备注：英语、翻译。(学费4500元/年)...社会体育指导与管理（批次：体育本科批）科类：体育类（不分科目）(体育(不分科目类)) 在重庆招收34人备注：(学费4500元/年)...广播电视编导（批次：艺术本科批A段）科类：艺术类（不分科目）(艺术(不分科目类)) 在重庆招收77人备注：(学费10000元/年)...设计学类（批次：艺术本科批A段）科类：艺术类（不分科目）(艺术(不分科目类)) 在重庆招收108人备注：视觉传达设计、环境设计、产品设计、数字媒体艺术、动画。(学费10000元/年)
相关推荐：大学招生计划汇总桂林理工大学2022年山西理工招生计划
最新高考资讯、高考政策、考前准备、志愿填报、录取分数线等高考时间线的全部重要节点尽在"高考网"微信公众号
智能制造工程专业
智能制造是“中国制造2025”的主攻方向，2018年教育部新设立了智能制造工程专业，2019年我校正式获批设立该专业。
培养目标：
智能制造工程专业培养掌握数学、自然科学基础理论和机械工程、控制工程和信息工程等学科相关专业知识及人文职业素养，具备适应社会和行业的发展需求，从事智能制造相关产品及系统的设计制造、技术开发、科学研究、经营管理等方面工作的高级工程技术人才，为社会主义事业培养德、智、体、美、劳全面发展的合格建设者和可靠接班人。本专业培养的毕业生应该具备：
（1）能够运用数学、自然科学及工程基础理论，理解和解决智能制造领域的复杂工程问题，具有围绕智能制造系统或产品的集成、分析能力。
（2）能够跟踪专业领域的前沿技术，具备工程实践和创新能力，运用现代工具从事机电设备和智能装备的研究开发、设计制造和工程管理。
（3）具备良好的人文科学素养，团队合作能力，沟通表达能力，国际化视野与不断学习和适应发展的能力。
（4）能够在工程实践中遵守工程职业道德和规范，熟悉国家标准、行业法律法规，具有社会责任感。
专业特色：
本专业是从我校国家一流专业、国家级和省级特色专业机械专业发展而来，将新一代信息和人工智能技术与传统制造业进行了深度融合，是山东省新旧动能转换专业对接产业项目核心专业，拥有国家级实验教学示范中心及工程实践教育中心、省级智能绿色制造与装备协同创新中心、国家级基础课教学团队。专业紧扣时代发展前沿热点，积极发展智能（无人）驾驶、机器人技术、3D打印技术、数字化工厂、机器视觉等特色方向。
主干课程：
智能制造技术数学基础、智能制造技术基础、智能控制基础、机器视觉与图像识别、机器人技术、3D打印技术、人工智能技术、智能制造综合训练、画法几何与机械制图、理论力学、材料力学、机械原理、机械设计、电工电子学等。
师资队伍：
专业10余名专业任课教师，均来自于机械工程等相关学科，所在学科拥有博士学位授权一级学科点和硕士学位授权一级学科点，核心任课老师均拥有博士学位。专业聘请中国工程院院士单忠德教授作为专业指导委员会主任和特聘教授，聘任国际人工智能领域专家英国皇家工程院院士&利兹大学AnthonyG.Cohn教授、英国布鲁内尔大学李茂贞教授作为本专业兼职教授。
王晓原，吉林大学毕业获工学博士学位，博士生导师，清华大学客座研究员。中国电子学会智能交通委员会特聘专家，中国交通运输协会青科委常委，山东省重大行政决策专家，《交通信息与安全》编辑委员会委员，Transp.res.C等诸多国际国内学术期刊评审专家，国家基金、重点、重大项目评审专家。主要研究方向有智慧运输与智能汽车（辅助/自动/无人驾驶）、人-车-环境协同智慧及控制、交通&运输系统规划、基于网联大数据的交通系统状态分析、智能航运等。承担和参与各类国家省部级纵向科研课题共计23项；发表论文200余篇（SCI、E收录60余篇），出版著作9部，国家授权发明专利3项，实用新型3项、软件著作权2项，获山东省软科学优秀成果二等奖1项、山东省教委社会科学科技进步二等奖1项、山东省教委自然科学科技进步三等奖2项。
王宪伦，山东大学毕业获工学博士学位，硕士生导师，系主任，机器人研发中心负责人，山东省机器人研究会理事，国家基金先进制造技术方向评审专家，JINTELLROBOTSYST等期刊审稿专家。从事机器人技术、机器视觉、智能控制、创新设计等方向研究，承担和参与国家省部级纵向课题7项，教学相关课题5项，承担横向课题10余项，发表论文40余篇，其中SCI、EI收录20余篇，出版教材3部，授权发明专利3项，实用新型10余项，软件著作权30余项。带领学生参加国际及全国各类机器人大赛，创新方法大赛等，共获一等奖10余项，二等奖20余项，参加省级机器人、智能控制、智能制造大赛等获一等奖20余项，二等奖40余项，获省科协优秀创新创业导师奖。
就业深造：
智能制造属于传统制造与人工智能的交叉领域，毕业生可以在智能制造工程、机电工程、机器人工程和自动化工程等领域从事智能制造技术（视觉识别、跟踪定位、人机协同等）、高端智能装备（机器人、智能交通、3D打印、海洋工程等）、智能产线、数字化工厂等方向的研究、开发、改造及生产管理工作。据人社部数据分析预测，2020年智能制造领域人才需求为750万人，人才缺口300万人；2025年，人才需求900万人，人才缺口450万人，就业前景广阔。
完成本科阶段学习后，优秀学生可免试攻读硕士研究生或直接攻读博士研究生，也可报考相关学科的研究生或出国深造。
专业咨询邮箱：xlwang@qust.edu.cn
本专业承办山东省智能绿色制造与装备协同创新中心年会
师生积极参加学科竞赛
数字化工厂
数字化工厂
英国皇家工程院院Cohn教授为师生讲学
专业实验室及学生活动中心
2023重庆邮电大学在重庆录取分数线及招生计划（含位次、招生人数）
重庆邮电大学2022年在各省的招生录取数据已经公布了，那么重庆邮电大学今年（2022年）在重庆市的录取分数线是多少呢？今年考取难度怎么样，好考吗？
以下为新高考网列出的2022年重庆邮电大学在重庆招录的详细数据，包含在各省的最低录取分数线、最低位次、招生计划、招生人数、专业学费等，供考生家长们参考，指导2023年的高考志愿填报。
一：2022重庆邮电大学在重庆录取分数线（官方最新）
根据重庆市教育考试院公布的2022年高考招录数据，重庆邮电大学2022年在重庆录取分数线为：
1、历史类：2022年重庆邮电大学在重庆（本科）录取最低分536分，最低位次6546；
2、物理类：2022年重庆邮电大学在重庆（本科）录取最低分527分，最低位次29760；
年份科目录取批次最低分/最低位次省控线2022历史类本科536/65464152022物理类本科527/29760411查看更多数据请进入：https://www.hfplg.com/zhiyuan/二：2022重庆邮电大学在重庆招生专业与招生计划
包含重庆邮电大学2022年在重庆招生专业名称以及对应的计划人数、学费等。
1、历史类（2022重庆本科）
专业名称计划数（重庆）学费外国语言文学类(包含专业英语、翻译。只招外语语种为英语的考生。)134500法学类(包含专业法学、知识产权。)34500查看更多数据请进入：https://www.hfplg.com/zhiyuan/2、物理类（2022重庆本科）
专业名称计划数（重庆）学费计算机类(计算机与智能科学类)(包含专业计算机科学与技术、网络工程、智能科学与技术、空间信息与数字技术、数据科学与大数据技术、人工智能。)2855600自动化类(自动化与电气工程类)(物联网工程专业大三、大四在渝北区仙桃数据谷就读。包含专业自动化、电气工程及其自动化、智能电网信息工程、物联网工程、测控技术与仪器、机器人工程、工业智能。)2765600电子信息类(集成电路与电子工程类)(包含专业光电信息科学与工程、电子科学与技术、电磁场与无线技术、微电子科学与工程、集成电路设计与集成系统。)2745600数学类(数学与信息科学类)(包含专业数学与应用数学、信息与计算科学、数据计算及应用。)684500信息管理与信息系统415600机械类(智能制造与机器人类)(包含专业智能制造工程、机械设计制造及其自动化、机械电子工程、机器人工程。)1455600生物医学工程575600生物信息学534500医学信息工程315600应用物理学204500电子信息类(通信与信息类)(包含专业通信工程、电子信息工程、信息工程。)1925600经济学类(经济金融类)(包含专业经济学、金融工程。)555600工程管理294500工商管理类(包含专业市场营销、会计学、工商管理。)544500大数据管理与应用255600电子商务类(包含专业电子商务、物流管理。)434500邮政工程355600数字媒体技术305600外国语言文学类(包含专业英语、翻译。只招外语语种为英语的考生。)184500计算机类(网络安全类)(包含专业信息安全、网络空间安全。)1245600信息安全((信息安全+法学)双学士学位复合型人才培养项目。)225600法学类(包含专业法学、知识产权。)274500软件工程(三、四年级学费15000元/年。)2399000通信工程(中外合作办学)(只招收英语语种考生。)3540000电子信息工程(中外合作办学)(只招收英语语种考生，国外学习期间学费需按外方学费标准另缴。)2528000软件工程(中外合作办学)(只招收英语语种考生，国外学习期间学费需按外方学费标准另缴。)2730000计算机类(计算机与智能科学类)(地方专项计划)(包含专业计算机科学与技术、网络工程、智能科学与技术、空间信息与数字技术、数据科学与大数据技术、人工智能。)255600数字媒体技术(地方专项计划)65600电子信息类(集成电路与电子工程类)(地方专项计划)(包含专业光电信息科学与工程、电子科学与技术、电磁场与无线技术、微电子科学与工程、集成电路设计与集成系统。)295600机械类(智能制造与机器人类)(地方专项计划)(包含专业智能制造工程、机械设计制造及其自动化、机械电子工程、机器人工程。)255600工商管理类(地方专项计划)(包含专业市场营销、会计学、工商管理。)124500电子信息类(通信与信息类)(地方专项计划)(包含专业通信工程、电子信息工程、信息工程。)225600自动化类(自动化与电气工程类)(地方专项计划)(物联网工程专业大三、大四在渝北区仙桃数据谷就读。包含专业自动化、电气工程及其自动化、智能电网信息工程、物联网工程、测控技术与仪器、机器人工程、工业智能。)255600查看更多数据请进入：https://www.hfplg.com/zhiyuan/三：重庆邮电大学简介
工业和信息化部重庆市人民政府共建高校
国家“中西部高等教育振兴计划”支持高校
学校坚持育人为本，办学71年来，为信息通信行业和地方培养输送了14万余名各类人才，被誉为“中国信息通信人才的摇篮”。现为全国大学生文化素质教育基地、全国首批信息专业人才培训基地、全国首批通信科普教育基地、重庆市软件人才和微电子人才培养基地、重庆市研究生教育创新基地。学校主动适应信息行业产业发展需求，加强学科专业建设。
重庆邮电大学学科评估结果排名
第五轮学科评估结果暂未公布，一旦公布，本文会及时更新，以下是大学生必备网为大家整理的第四轮重庆邮电大学学科评估结果，其中评估结果比较好的学科是信息与通信工程、计算机科学与技术，被评为B+。1、重庆邮电大学学科评估结果排名第四轮学科评估于2016年4月启动，按照“自愿申请、免费参评”原则，采用“客观评价与主观评价相结合”的方式进行。
评估结果按“分档”方式呈现，具体方法是按“学科整体水平得分”的位次百分位，将前70%的学科分9档公布：前2%（或前2名）为A+，2%～5%为A（不含2%，下同），5%～10%为A-，10%～20%为B+，20%～30%为B，30%～40%为B-，40%～50%为C+，50%～60%为C，60%～70%为C-。
序号学校代码学校名称一级学科名称评选结果110617重庆邮电大学信息与通信工程B+210617重庆邮电大学计算机科学与技术B+310617重庆邮电大学控制科学与工程B-410617重庆邮电大学软件工程B-510617重庆邮电大学马克思主义理论C+610617重庆邮电大学电子科学与技术C+710617重庆邮电大学管理科学与工程C2、重庆邮电大学简介重庆邮电大学（ChongqingUniversityofPostsandTelecommunications）简称重邮，坐落于中国重庆市主城区南山风景区内，是中华人民共和国工业和信息化部与重庆市人民政府共建的教学研究型大学，入选国家“中西部高校基础能力建设工程”、国家“卓越工程师教育培养计划”，是国家“2011计划”核心协同高校、中国政府奖学金来华留学生接收院校、国家大学生文化素质教育基地、国家布点设立并重点建设的四所邮电高校之一，CDIO工程教育联盟成员单位。重庆邮电大学创办于1950年3月，前身是东川邮政管理局邮政人员培训班；1951年1月，改建为西南邮电分校；1953年3月，分建重庆邮电学校；1955年5月，更名为重庆电信学校；1959年3月，升格为重庆邮电学院；1970年4月，改建为电信总局529厂；1973年7月，再次改建为邮电部第九研究所；1979年5月，恢复为重庆邮电学院；2006年，更名为重庆邮电大学。重庆邮电大学校长高新波教授：人工智能未来发展趋势分析
0分享至来源：人工智能学会文：高新波如果按照聪明和笨、勤奋和懒惰来划分，世人大致可分为四类：聪明且勤奋、笨但勤奋、聪明却懒惰、笨且懒惰。一般而言，前两种人成功的几率会比较大。因此，人们总结出“勤能补拙是良训，一份汗水一份才”的成功经验。进而得出了“聪明人都在下笨功夫，愚蠢的人都在找捷径”这样看似很有道理的名言警句。与此同时，人们又常说“聪明是一种天赋，勤奋是一种选择”，因此大家往往会把勤奋看成一种美德，而把聪明贬低为“小聪明”。但是，在现实生活中靠勤奋成功的人，总是给人一种很悲壮的感觉，令人尊重但并不让人羡慕。如果可以选择，我们当然希望选择聪明。聪明往往是指一个人机智灵活，学习中具有举一反三、触类旁通的能力。这样的人不费多少力气就能掌握某种知识和技能，而且善于解决复杂问题，尤其是以前没有处理过的问题。而勤奋则是指认认真真努力干好每一件事情，不怕吃苦，踏实肯干。这样的人默默持久的坚持，有一种水滴石穿、永不言弃的精神。经过了60多年的发展，人工智能（ArtificialIntelligence,AI）就是父母口中所说的那个别人家的孩子，看上去毫不费力却取得了很大的成功。其实，今天的AI只是一个勤奋、听话、精力充沛、几近完美的“笨小孩”。比如，打败围棋九段柯洁和李世石的AlphaGo存储了多达100万盘棋谱，它正是通过学习这些数据才总结出柯洁和李世石下棋的策略，进而提前做出布局。而柯洁和李世石两个人加起来终其一生也不可能下到100万盘棋。尽管后来AlphaGo的升级版AlphaGoZero已经无需再输入棋谱，而是从零基础开始，通过自己左右互搏自学成才。AlphaGoZero不断探索和累积经验，现在已碾压AlphaGo。但是，我们却很难把AlphaGo和AlphaGoZero与“聪明”关联起来。因为它们的成功更多来自“勤能补拙”，就像是我们自己家的那个懂事勤奋又刻苦的孩子，确实取得了很大成功，但是着实相当不易，非常辛苦！我们由衷地为孩子高兴，却又总觉得苦了孩子，总希望他们能多一点聪明，少一点辛劳！同样的道理，我们也希望未来的AI更多地赢在“智能”而不是“人工”上。对于未来AI的发展，大家都做出了很多预测。概括起来，大致可以总结为以下六个方面的发展趋势。如果在这些方面不断取得新突破，就会使AI不仅勤奋而且聪明，可更好地满足人们的需要。简介高新波重庆邮电大学校长、教授；西安电子科技大学大数据安全教育部工程研究中心主任，重庆市青年科技领军人才协会会长，科技部重点领域创新团队负责人，教育部创新团队负责人。主要从事机器学习、计算机视觉、模式识别和多媒体内容分析等领域的研究和教学工作。CAAI/CIE/CCF/IETFellow。一、绿色低碳更灵巧的人工智能2021年10月24日，中共中央、国务院《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》提出大力发展绿色低碳产业，为AI赋能产业提出了新要求——绿色化助力碳中和。清华大学智能产业研究院院长张亚勤提出AI+IoT绿色低碳应用场景，一是清洁能源和传统能源的融合领域，AIoT技术可以监测碳排放，智能调度；二是信息和通信技术产业本身，大型的数据中心、5G等快速发展，消耗了很多能源，AI可以应用其中实现节能减排；三是新兴产业，比如在绿色城市、绿色交通等领域，AIoT也大有可为。其实，未来AI自身的发展也应该沿着绿色低碳方向进行。当下的AI正在“野蛮生长”，其算法、数据和算力这三大基石也在进行规模扩张式发展。深度神经网络的模型规模越来越大，参数越来越多，因此所需要训练样本的规模越来越大，训练网络所需的算力必须越来越强，对资源的消耗必然越来越高。这样的发展显然是与绿色低碳背道而驰。以OpenAI提出的自然语言处理领域的GPT模型为例，其强大的功能是建立在超大的训练语料、超多的模型参数，以及超强的计算资源之上。GPT模型的参数量为1.17亿，预训练数据量5GB；GPT-2的参数量为15亿，预训练数据量40GB；GPT-3的参数量为1750亿，预训练数据量45GB。据说，GPT-4的参数量将达到100万亿，比GPT-3还要大500倍。同时，针对监督学习来说，数据量的增长需要很多人力进行样本标注，从而产生了一批又一批被AI“累死”的人。为此，有人提出了“难道有多少人工，才有多少智能？”这样的灵魂拷问。反观人类的智慧体现在“否定”“遗忘”“有所为有所不为”等哲学上。这样的智慧是在做减法，通过主动“选择”走上了一条绿色极简的发展道路。为了实现绿色低碳智能系统，我们希望未来AI的发展方向应该是做“减法”而不是做“加法”。一方面构建更为灵巧的网络模型，通过轻量化的模型降低对数据量和算力的需求；另一方面，构建更为高效广泛的共享复用机制，针对AI大模型，加大开放、共享的广度和深度，提高预训练模型的效益，从而从宏观上实现绿色低碳的总体效果。总之，“创新、协调、绿色、开放、共享”五大发展理念为未来AI的发展指明了方向，提出了根本遵循。二、知识数据双驱动的人工智能人工智能的发展历程经常被划分为两代，即知识驱动的AI和数据驱动的AI。第一代AI主要基于知识库和推理机来模拟人类的推理和思考行为。其代表性成果就是IBM公司的DeepBlue和DeeperBlue，于1997年5月打败了当时的国际象棋冠军卡斯帕罗夫。知识驱动的AI具有很好的可解释性，而且知识作为一种数据和信息高度凝练的体现,也往往意味着更高的算法执行效率。但是，其缺点在于完全依赖专家知识。一方面，将知识变成机器可理解可执行的算法十分费时费力；另一方面，还有大量的知识或经验难以表达建模。因此，知识驱动的AI的应用范围非常有限。第二代AI则基于深度学习来模拟人类的感知，如视觉、听觉、触觉等。其代表性成果就是深度神经网络，通过收集大量的训练数据并进行标注，然后训练设计好的深度网络。这类AI不需要领域知识，只需要通过大数据的训练就可以达到甚至超过人类的感知或识别水平。这类AI具有通用性强、端到端的“黑箱”或傻瓜特性。但是，也正是由于其“黑箱”特性，才使得第二代AI算法非常脆弱，依赖高质量、带标记的大数据和强大的算力。因此，具有鲁棒性差、不可解释，以及不太可靠等瓶颈问题。为此，清华大学张钹院士提出第三代AI，希望将知识驱动和数据驱动结合起来，充分发挥知识、数据、算法和算力四要素的作用，建立可解释的鲁棒AI理论。为了探索知识与数据双驱动AI的落地，华为云提出了知识计算的概念。它把各种形态的知识，通过一系列AI技术进行抽取、表达后协同大量数据进行计算，进而产生更为精准的模型，并再次赋能给机器和人。目前，知识计算在若干垂直行业获得初步成功。为此，华为云把明确定义的应用场景、充沛的算力、可以演进的AI、组织与人才的匹配归纳为影响行业AI落地的4个关键要素。但是，这种垂直行业成功的AI距离通用AI却是渐行渐远。未来，数据与知识双驱动的通用AI将是一项极具挑战性的课题。三、人机物融合的混合人工智能习近平总书记在2021年5月中国科协第十次全国代表大会上的讲话指出：“以信息技术、人工智能为代表的新兴科技快速发展，大大拓展了时间、空间和人们认知范围，人类正在进入一个人机物三元融合的万物智能互联时代”。为此，我们的研究对象将由过去的物理-信息系统（CPS）向物理-信息-人类社会更复杂的系统扩展。人类所面临的许多问题具有不确定性、脆弱性和开放性，同时人类也是智能机器的服务对象和最终“价值判断”的仲裁者，因此，人类智能与机器智能的协同将是贯穿始终的。这就需要将人的作用或认知模型引入到AI中，从而形成“人机混合智能”或“混合增强智能”。人机混合增强智能有两种形态，一种是人在回路中（Human-in-the-loop）的混合增强智能；一种是人在回路上（Human-on-the-loop）的混合增强智能，或者说基于认知计算的混合增强智能。前者将人作为一个计算节点或者决策节点放置于整个智能回路中；后者则将人的认知模型引入到AI系统，形成一种类人的AI。其实“人机混合”这一概念并不陌生，人与动物一个最重要的区别就是人会制造和使用工具，而人使用工具的过程就是“人机混合”的过程。机械化时代，人机混合延伸和增强人的体力；信息化时代，人机混合延伸和增强人的感知力；在今天的智能化时代，人机混合增强人类的智力，将是人脑主导的“感知力增强”和“智力增强”。比如，可穿戴设备，智能手表、智能眼镜、智能服装等，都帮助我们构建以人为中心的智能系统。人机混合增强智能系统的技术瓶颈在于人机的自然交互或接口技术，这将是未来AI研究的难点和关键核心问题。当前，人机混合智能已经有了很多尝试。比如，可穿戴搬运机器人在马达驱动下支撑人的上半身，减轻搬运重物时腰部负担；一些科学家还尝试将电极植入人脑中，让人脑可以随时直接从计算机中下载或上传数据，大幅提升人类的认知能力。未来人机混合增强智能希望能够建立以人为中心的智能形态，保证它“可用、好用”，而且“可控”。此外，当前的AI由于尚没有自主的意识，其价值观主要是由使用者的价值观决定。因此，我们需要通过人机混合的方式为AI“立心”，从而让AI更好的为人类“立功”。四、可信可靠可解释的人工智能机器学习尤其是深度学习的发展使得人工智能模型越来越复杂，而这些更复杂更强大的模型变得越来越不透明。再加上这些模型基本上仍然是围绕相关性和关联性建立的，从而导致很多挑战性的问题，如虚假的关联性、模型调试性和透明性的缺失、模型的不可控，以及不受欢迎的数据放大等。其中，最核心的问题就是AI的可解释性。这一问题不解决，AI系统就会存在不可信、不可控和不可靠的软肋。2019年欧盟出台《人工智能道德准则》，明确提出AI的发展方向应该是“可信赖的”，包含安全、隐私和透明、可解释等。2016年，来自谷歌机器学习科学家AliRahimi在NIPS大会上表示，当前有一种把机器学习当成炼金术来使用的错误趋势。同年，美国国防高级研究计划局制定了“DARPAExplainableAI(XAI)Program”，希望研究出可解释性的AI模型。关于“可解释性”，来自谷歌的科学家在2017年ICML会议上给出一个定义——可解释性是一种以人类理解的语言(术语)给人类提供解释的能力（Interpretabilityastheabilitytoexplainortopresentinunderstandabletermstoahuman）。人有显性知识和隐性知识，隐性知识就是经验直觉，人可以有效地结合两种不同的知识；而我们在解释、理解事物时必须是利用显性知识。当前的深度学习是以概率模型得到了隐性的知识，而显性知识适合用知识图谱来模拟。但是，目前深度学习和知识图谱这两个世界还没有很好地走到一起。可解释性要求对AI系统的技术过程和相关的决策过程能够给出合理解释。技术可解释性要求AI做出的决策是可以被人们所理解和追溯。在AI系统会对人类的生命造成重大影响时，就需要AI系统的决策过程有一个合理的解释、提前的预判与合法的控制。因此可解释性AI有三大需求，第一是使深度神经网组件变得透明；第二是从深度神经网里面学习到语义图；第三是生成人能理解的解释。AI系统不一定有意识，但可以有目的。机器学习的真正难点在于保证机器的目的与人的价值观一致。AI面临的重要挑战不是机器能做多少事，而是知道机器做的对不对。五、非深度神经网络的人工智能今天AI的成功在很大程度上是大数据和深度学习的成功。如果把AI未来的发展全部寄托在深度神经网络上，总让人感到有些单调，尽管目前的网络形态也是多种多样的。为了保持“物种的多样性”，有必要研究深度神经网络以外的AI系统。南京大学周志华教授认为，深度神经网络之所以成功的原因主要是基于逐层加工处理、内置特征变换和模型复杂度三个关键因素。但是，这三个因素并没有“要求”我们必须使用神经网络模型；只要能同时做到这三点，别的模型应该也能做深度学习。为此，他们提出了“深度森林”这种非神经网络的新型深度学习模型。深度森林的基础构件是不可微的决策树，其训练过程并不基于BP算法，甚至不依赖于梯度计算。“深度森林”具有训练简单、效率高等优点，小规模训练数据也可运转，而且在理论分析方面也更容易。因此，成为非深度神经网络AI系统的一种尝试。此外，华南理工大学陈俊龙教授认为，虽然深度结构网络非常强大，但大多数网络都被极度耗时的训练过程所困扰。其中最主要的原因是，上述深度网络都结构复杂并且涉及到大量的超参数。为此，他提出了宽度神经网络系统。相对于“深度”结构来说，“宽度”结构由于没有层与层之间的耦合而非常简洁。同样，由于没有多层连接，宽度网络亦不需要利用梯度下降来更新权值，所以计算速度大大优于深度学习。在网络精度达不到要求时，可以通过增加网络的“宽度”来提升精度，而增加宽度所增加的计算量与深度网络增加层数相比，可以说是微乎其微。当然，也有学者认为，现有的宽度学习仅适用于数据特征不多，但对预测实时性要求较高的场景。不管是深度森林还是宽度网络，它们的意义在于为我们提供了未来AI系统的更多可能，以及多元化的新选择。从而避免出现人们不得不被迫选择深度神经网络的无奈。我们相信，未来一定还会有更多的非深度神经网络的AI系统，因为系统多样性是改善AI生态环境的重要保障。六、开放环境自适应的人工智能今天AI取得的成功基本上都是封闭环境中的成功，其中的机器学习有许多假设条件，比如针对数据的独立同分布假设，以及数据分布恒定假设等。我们通常要假定样本类别恒定，测试数据的类别是与训练数据的类别一致，不会出现训练时没有遇到的类别。此外，样本属性也是恒定的，在测试时也要求属性特征完备。而实际情况是，我们现在越来越多地碰到所谓的开放动态环境。在这样的环境中可能一切都会发生变化，这就要求未来的AI必须具备环境自适应能力，或者说要求AI的鲁棒性要强。比如，在自动驾驶或无人驾驶领域，在实验室的封闭环境下，无论采集多少训练样本都不可能涵盖所有情况，因为现实世界远比我们想象的丰富。这样在自动驾驶的过程中会遇到越来越多的以前没有见到的特殊情况，尤其是越是突发事件，越是很少出现的场景，这就对AI系统的自适应性或鲁棒性提出极大的挑战。因此，未来AI的发展必须能应对“开放环境”的问题，即如何在一个开放环境下通过机器学习进行数据分析和建模。此外，现有AI技术依赖大量的高质量训练数据和计算资源来充分学习模型的参数。在系统初始建模阶段，由于数据充分能够得到比较理想的效果。然而，在投入使用一段时期后，在线数据内容的更新，就会产生系统性能上的偏差，严重时直接导致系统下线。在训练数据量有限的情况下，一些规模巨大的深度神经网络也容易出现过拟合，使得在新数据上的测试性能远低于之前测试数据上的性能。同时，在特定数据集上测试性能良好的深度神经网络，很容易被添加少量随机噪声的“对抗”样本欺骗，从而导致系统很容易出现高可信度的错误判断。因此，发展鲁棒性、可扩展性强的智能学习系统必定会成为下一代AI系统的重要研究课题。从以上未来AI系统发展的六种形态以及各自的发展趋势来看，下一步的研究需要系统、全面地借鉴人类的认知机理，不仅是神经系统的特性，还有认知系统（包括知识表示、更新、推理等），发展更加具有生物合理性，以及更灵活、更可信可靠的AI系统。唯有如此，未来AI系统才能够实现“不仅勤奋而且更聪明更有智慧”的理想。让我们共同努力，一起向未来！（参考文献略）未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）大脑研究计划，构建互联网（城市）大脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端